nanobrowser

机器翻译正文由机器翻译自项目原始文档（英文），排版经程序统一处理，可能存在偏差，请以原项目仓库为准。

🌐 纳米浏览器

Nanobrowser 是一个开源 AI 代理，它可以在你自己的浏览器中工作。在侧边栏告诉它一个任务；它会阅读网页，点击、输入并在标签页之间切换以完成任务，并在提交、发送、删除或上传任何内容之前征求你的同意。

⬇️ 免费获取 Chrome 网上应用店的 Nanobrowser

👏 加入 Discord | X 社区

❤️ 通过 赞助我们 支持该项目。每一份贡献都帮助 Nanobrowser 保持免费和开源。

🔥 为什么选择 Nanobrowser？

• 免费。 无订阅且无隐藏费用。使用你自己的 API 密钥或本地模型，只为使用的部分付费。
• 私密。 所有操作都在你的浏览器中运行。你的密钥只会留在浏览器中，并仅发送给各自的提供商。网页内容只会发送到你选择的模型。每天用户数量和使用次数会被统计，但不会附带任何 ID，也绝不会包含你的网页或网站；详见 PRIVACY.md。
• 灵活的 LLM。 可选择多个云服务提供商，或在你自己的电脑上运行模型，随时切换。没有锁定。
• 开源。 所有代码都是公开的，因此你可以准确了解其工作原理，并根据需要进行修改。

📊 主要功能

• 侧边栏聊天：用简单的词语说出你的需求。代理会阅读页面、点击、输入和在标签页间切换来完成任务。
• 同时处理多个任务：每个任务在自己的标签组中运行，因此你可以同时运行几个任务并继续浏览。
• 你决定何时询问：选择“询问”或“自动”模式，并为每个网站设置规则（见下文）。
• 可选择模型：云端或本地。为每个聊天选择模型和思考的强度。
• 图片和文件：附加图片、文本文件或当前标签页的截图。代理也可以将你的文件上传到页面。
• 保存结果：代理可以将工作成果保存到你的下载文件夹，例如 CSV 表或 Markdown 报告。Chrome 会在第一次操作时询问你。
• 快捷方式：保存你常用的提示，并通过输入 / 启动它。你可以为它设置起始页面和模型。
• 语音输入：可以选择说话而不是输入文字，使用 OpenAI 或 Gemini 的语音模型。
• 记忆：告诉代理在每次聊天中需要记住的内容，例如你是谁或你喜欢的回答方式。
• 长任务：当聊天很长时，旧的步骤会被自动总结，以便任务继续进行。你自己的消息始终完整保留。
• 聊天历史：返回任意聊天，编辑消息并从那里重新运行，或将聊天导出为 Markdown。
• 你的语言和主题：英语、简体中文或繁体中文，可选择浅色或深色模式。

🌐 浏览器支持

• 支持的浏览器: Chrome 和 Edge。
• 不支持的浏览器: Firefox、Safari 以及其他基于 Chromium 的浏览器（Opera、Arc、Brave 等）。Nanobrowser 可能在这些浏览器上可用，但尚未进行测试。

🛡️ 你决定代理可以做什么

你还可以在设置 → 权限中将网站设置为允许（两种模式下都继续进行）、询问（两种模式下都询问）或阻止（代理可能无法使用）。

🤖 模型

• 模型必须支持工具调用。 在“设置”中测试模型，系统会检查每个模型并标记无法使用的模型。
• 在面板中为每次对话选择模型和推理力度。 设置中保存默认值。
• 视觉模型 还可以截取页面截图并读取你附加的图片。
• 本地模型 对于简单、明确的任务效果最好。我们目前推荐 Qwen3.8 27B。为它们提供 16k 令牌或更多的上下文窗口。Ollama 需要 OLLAMA_ORIGINS 以允许扩展，LM Studio 需要启用 CORS；当请求被拒绝时，提供商卡会显示操作方法。
• 语音输入 使用 OpenAI 或 Gemini 的语音模型，并需使用该提供商提供的密钥。

💡 尝试这些

“用几个要点总结这一页内容。”

“比较我打开的三台笔记本电脑，并将价格和规格做成表格。”

“在亚马逊上找到一款防水的便携式蓝牙音箱，价格低于50美元，电池续航至少10小时。”

“提取TechCrunch过去24小时的前10条头条新闻，并保存为CSV文件。”

🚀 快速开始

1. 安装它 从 Chrome 网上应用店：点击 Add to Chrome 并确认。在 Edge 中，当 Edge 提示时，先允许来自其他商店的扩展。

2. 设置它： 欢迎页面会打开并帮助你连接云提供商或本地模型。你也可以稍后在 设置 → 提供商 中进行操作。

3. 使用它： 点击工具栏中的 Nanobrowser 图标，或者按 Alt+Shift+N，在当前标签页打开侧边面板。

🔧 从源码构建

1. 先决条件： Node.js 24 LTS 和 pnpm 10 (corepack 切换到固定的 10.34.7)。

2. 克隆并构建：

   git clone https://github.com/nanobrowser/nanobrowser.git
   cd nanobrowser
   corepack enable # skip if pnpm 10 is already installed
   pnpm install
   pnpm build      # builds the extension into dist/

3. 在 Chrome 或 Edge 中加载它：

   • 打开 chrome://extensions（在 Edge 中，edge://extensions）。
   • 打开 Developer mode（右上角）。
   • 点击 Load unpacked 并选择 dist 文件夹。

然后按照快速入门中的步骤设置并使用它。要更新，请拉取最新源代码，再次运行 pnpm build，并在扩展页面的 Nanobrowser 卡片上点击重新加载图标。

🛠️ 开发

pnpm dev               # run in development mode, reloads on changes; load dist/ in Chrome
pnpm zip               # make a release build as a zip file in dist-zip/
pnpm type-check        # check types
pnpm lint              # check code style and import rules
pnpm test              # run the unit tests
pnpm install-chrome    # install Chrome for Testing, used by the browser tests
pnpm autorun scenarios # run the browser tests on local test pages, without a window

工作原理。 该代理位于浏览器控制层之上。该层查看页面、执行操作并报告发生的情况。它本身没有AI模型，因此相同的输入总是产生相同的结果。这使得代理更可靠：

• 它点击正确的元素。 每个代理看到的元素都有一个与该元素精确绑定的ID。如果页面发生变化，旧ID将停止工作，而不会指向其他内容。
• 它像真实用户一样操作。 点击和输入都是浏览器的真实输入。在执行操作之前，该层会检查元素是否可见、是否静止、是否启用，并且是否没有被其他东西覆盖。
• 它告诉代理实际发生了什么。 每个操作只发送一次。结果会显示操作是否成功，页面是否有响应，以及页面是否达到预期状态。

该层仅通过Chrome的chrome.debugger API与页面通信，并使用Puppeteer跟踪页面上的帧。对于开发人员，有一个测试面板可以手动尝试该层：将一个键绑定到chrome://extensions/shortcuts中的open-test-panel命令。

AGENTS.md（也包括CLAUDE.md）解释了设计规则、仓库布局以及我们的工作方式，供人和AI编程助手参考。

🤝 贡献

欢迎各种形式的贡献：

• 分享提示和使用案例 在我们的 Discord 服务器 上。
• 提供反馈 关于 Nanobrowser 对你的使用情况，可在 Discord 或 GitHub 讨论 上进行。
• 贡献代码：阅读 CONTRIBUTING.md，然后为 bug 修复、功能或文档提交一个拉取请求。

🔒 安全

如果您发现安全漏洞，请不要在公共问题、拉取请求或讨论中披露它。请通过 GitHub 安全咨询 报告，以便在公开之前修复。请参阅 SECURITY.md。

💬 社区

• Discord：与团队和社区聊天
• X：更新和公告
• GitHub Discussions：想法和问题

👏 致谢

Nanobrowser 基于其他优秀的开源项目构建：

• Puppeteer
• Vercel AI SDK
• WXT
• Browser Use

感谢它们的创建者和贡献者。

📄 许可

Nanobrowser 的许可遵循 Apache 许可证 2.0。详情请参阅 LICENSE 文件。